Logo des Repositoriums

Auflistung nach Autor:in "Lohr, Dominic"

1 - 4 von 4
  • Conference demo
    Adaptive Learning Systems in Programming Education: A Prototype for Enhanced Formative Feedback
    (Proceedings of DELFI 2024, 2024) Lohr, Dominic; Berges, Marc; Chugh, Abhishek; Striewe, Michael
    Formative feedback is crucial in programming education, yet many learning systems fall short, concentrating mostly on pinpointing errors rather than guiding learners on how to resolve them. This is particularly unhelpful for novices who often lack advanced skills like debugging. Feedback is considered more valuable when it addresses error causes rather than just symptoms. However, this is challenging using only conventional methods like unit testing. Identifying error causes requires detailed information about both the error and the learner. Our proposed prototype introduces a new approach to integrating programming exercises into adaptive learning systems. It directly categorizes student code into so-called answer classes using a combination of static and dynamic code analysis. When integrated with data derived from a learner model, this approach enables tailored feedback that lowers the barrier to learning programming while keeping motivation high.
  • Konferenzbeitrag
    Learning with ALeA: Tailored experiences through annotated course material
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Kruse, Theresa; Berges, Marc; Betzendahl, Jonas; Kohlhase, Michael; Lohr, Dominic; Müller, Dennis
    We present ALeA, an adaptive learning assistant for university courses. The intelligent tutoring system (ITS) provides services for both learners and instructors, based on semantically annotated course material. The system can generate learning tools like flashcards, guided tours, and quizzes, which can be tailored to individual learning progress. Currently, the system is only available for courses from the field of computer science, like artificial intelligence. We plan to expand it for further courses from different fields.
  • Conference paper
    Term Extraction for Domain Modeling
    (Proceedings of DELFI 2024, 2024) Kruse, Theresa; Lohr, Dominic; Berges, Marc; Kohlhase, Michael; Moghbeli, Halimeh; Schütz, Marcel
    Adaptive learning systems need to use domain and learner models to provide meaningful support for learners. Building fine-grained domain models by hand is very time-consuming, so the demand for partial automation is high. This paper investigates how term extraction tools can support constructing a domain model. Therefore, we study if different automatic term extraction tools give comparable results to a human annotator. Our results show that the current extraction tools support the process, but their results are not directly usable and still need human adjustments.
  • Konferenzbeitrag
    Von Autonomem Fahren bis Zahnarzt - Vorstellungen von Schüler:innen zu Künstlicher Intelligenz und ihre Integration in den Informatikunterricht
    (INFOS 2023 - Informatikunterricht zwischen Aktualität und Zeitlosigkeit, 2023) Lindner, Annabel; Müller-Unterweger, Michaela; Löffler, Patrick; Lohr, Dominic; Berges, Marc
    Der vorliegende Beitrag beschreibt die Erhebung von Schüler:innenvorstellungen zum Thema Künstliche Intelligenz (KI) im Rahmen der didaktischen Rekonstruktion des Themenfeldes für den schulischen Informatikunterricht. Zudem werden Ansätze zur Integration der ermittelten Konzepte und Fehlvorstellungen im Unterricht durch angemessene Beispielkontexte und Aktivitäten illustriert. Anhand einer offenen Fragestellung wurden Ideen und Vorstellungen von Schüler:innen der 9. und 10. Jahrgangsstufe des Gymnasiums zu KI erhoben und qualitativ analysiert, um zentrale Anknüpfungspunkte für die curriculare Behandlung des Themenfeldes zu identifizieren. Die Konzepte wurden anschließend mit den bereits in der Literatur identifizierten Aspekten in Beziehung gesetzt. Dabei zeigten sich starke Überschneidungen mit den bereits vorliegenden Forschungsergebnissen, was zur Konsolidierung und Generalisierung dieser Ergebnisse beiträgt. Unter anderem nehmen die Schüler:innen selbständiges Lernen und Handeln als zentrale Charakteristika von KI-Systemen wahr und beschreiben komplexe Informatiksysteme, die ihnen überwiegend aus dem Alltag bekannt sind. Basierend auf den Untersuchungsergebnissen werden mögliche thematische Kontexte, Aktivitäten und didaktische Implikationen für das Unterrichten des Themenfeldes diskutiert.